基于Matlab的深度学习LSTM模型时间序列多步预测——单对单

       深度学习模型现在很火，应用的领域也是各方各面。在序列预测方面，当属LSTM模型的应用最广。我基于matlab编写了用LSTM模型实现多步预测时间序列的程序代码。序列数据是我随机生成的，如果有自己的数据，就可以自己简单改一下代码，读取txt或excel都可以。注意读取后的序列必须命名为行向量。代码最后还提供了误差分析部分，展示了绝对误差、MAE、RMSE、MAPE共4个误差指标，可供参考。代码基于matlab2021版编写，适用于2018版之后的所有版本。

      下面展示代码的部分内容。

        以下是模型训练过程，每次运行过程可能会存在差异。

        下面是程序运行结果。

        结果展示了单步预测（即1步预测）和24步预测的结果。数据为随机生成。若有自己的数据可以读取，然后自行调参。这里横坐标的意义为：<=0的表示历史数据，>0的表示为未来数据。

        下面详细分析了24步预测误差结果。包括绝对误差、MAE、RMSE、MAPE。总体来说结果还行，但是这个是因为序列本身具有一定规律。如果是类似股票数据的话，预测结果未必会这么好了。

      本文的程序代码只有一个m文件，下载链接见：基于Matlab的LSTM模型时间序列多步预测——单对单（非免费）。欢迎讨论~我邮箱：[email protected]

————————————————

版权声明：本文为CSDN博主「hwc_yzt」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/weixin_38919810/article/details/124740267